[发明专利]一种基于Faster-RCNN对BI图标题检测的方法

权利要求书

1.一种基于Faster-RCNN对BI图标题检测的方法，其特征在于包括如下步骤：

A、训练数据收集与标注

利用爬虫在相关网站收集BI图集，进行训练集和验证集划分，按训练集与验证集的比重为8:1配比，将目标数据分为三类，分为一级标题、二级标题和三级标题；一级标题为BI图的主标题，二级标题为BI图的分支标题，三级标题为BI图对应图表或文字的小标题；

B、改进Faster-RCNN算法模型

采用Two-Stage Detection模型中的Faster-RCNN作为Baseline，具体网络结构与改进如下：

B1、Backbone网络模型

Backbone采用ResNet-50，ResNet称为深度残差网络，50为网络层数；

B2、FPN结构

在目标检测领域中，使用FPN将Backbone模型最后一层特征图谱进行采样，并于每一个金字塔阶级的特征图进行合并，得到新的表征能力更强的不同金字塔层次的特征图谱，然后将ROI按照尺寸分别映射到特征图上，再将每个特征图谱上进行类别和位置预测；

B3、DCN可变性卷积

可变形卷积通过在卷积层中插入偏移值来增强网络的特征提取能力；

B4、ROIAlign层

Faster-RCNN在检测过程中添加ROIPooling层，进行后续的分类和包围框的回归操作，每一个候选区域保持浮点数边界不做量化；将候选区域分割成k*k个单元，每个单元的边界也不做量化；在每个单元中计算固定四个坐标位置，用双线内插法计算出这四个位置的值，然后最大池化操作；

B5、OHEM算法

对全图标题检测时图片其他文字信息产生干扰，干扰文字信息成为难例负样本，加入OHEM算法区分标题文字和其他文字；

C、模型训练

使用MMDetection框架搭建，并在GPU显卡上进行单卡训练；使用Albumentations第三方库操作，进行随机亮度对比度RandomBrightnessContrast、颜色抖动RGBShift、色调饱和度增强HueSaturationValue、随机通道交换ChannelShuffle、锐化IAASharpen、灰度转换ToGray等操作；

使用Anchor将高宽比从原来的0.5、1、2，改为0.1、0.3、0.5、1；在Anchor编码阶段，Anchor与目标框的IOU值大于0.5的设置为正样本；学习率采用Warm up，初始学习率设置为0.001，Batch Size设置为2；Epoch设置为15；

D、训练实验结果

超参数定义完成后，对网络模型进行训练，根据每一次迭代绘制loss曲线与准确率，目标检测领域选用评价指标为mAP，根据mAP指标选取测试集图片进行测试，优化BI图标题。